كورس Building LLMs from scratch

Name: كورس Building LLMs from scratch 2026
Availability: InStock
Author: Vizuara

Lecture 1: Building LLMs from scratch: Series intr

🏆أوائل أكاديمية مصر 24اتعلّم كل يوم ونافس على التاج 👑الترتيب ←

EG-24 ACADEMY

EG24

EG-24ACADEMY

— أكاديمية مصر 24 —

CERTIFICATE

OF COMPLETION

THISCERTIFICATE IS PROUDLY PRESENTED TO

اسمك هنا

FOR SUCCESSFULLY COMPLETING THE COURSE

كورس Building LLMs from scratch

ISSUED ON

02 أكتوبر 2026

Ahmed Hamdy

AHMED HAMDY

FOUNDER

VERIFY CERTIFICATE

CERTIFICATE ID

PREVIEW

رقم تحقق الشهادة

EG24

ACADEMY

LEARN GROW

🔒

شاهد 50% من الكورس واحصل على شهادة إتمام باسمك

✅ تتبع تقدمك في الكورس

🏆 شهادة مجانية عند الإتمام

📊 إحصائياتك محفوظة دائماً

🔖 استكمل من حيث توقفت

إنشاء حساب مجاني يأخذ ثوانٍ فقط

تحقق من شهادتك

📋 محتوى الكورس 43 درس · 30 ساعة 57 دقيقة

1 Lecture 1: Building LLMs from scratch: Series introduction 16:08
2 Lecture 2: Large Language Models (LLM) Basics 33:42
3 Lecture 3: Pretraining LLMs vs Finetuning LLMs 28:12
4 Lecture 4: What are transformers? 40:40
5 Lecture 5: How does GPT-3 really work? 48:05
6 Lecture 6: Stages of building an LLM from Scratch 20:15
7 Lecture 7: Code an LLM Tokenizer from Scratch in Python 1:09:44
8 Lecture 8: The GPT Tokenizer: Byte Pair Encoding 53:35
9 Lecture 9: Creating Input-Target data pairs using Python DataLoader 55:45
10 Lecture 10: What are token embeddings? 1:00:52
11 Lecture 11: The importance of Positional Embeddings 48:52
12 Lecture 12: The entire Data Preprocessing Pipeline of Large Language Models (LLMs) 1:34:15
13 Lecture 13: Introduction to the Attention Mechanism in Large Language Models (LLMs) 51:25
14 Lecture 14: Simplified Attention Mechanism - Coded from scratch in Python | No trainable weights 1:19:22
15 Lecture 15: Coding the self attention mechanism with key, query and value matrices 1:19:08
16 Lecture 16: Causal Self Attention Mechanism | Coded from scratch in Python 55:55
17 Lecture 17: Multi Head Attention Part 1 - Basics and Python code 32:19
18 Lecture 18: Multi Head Attention Part 2 - Entire mathematics explained 1:01:13
19 Lecture 19: Birds Eye View of the LLM Architecture 48:51
20 Lecture 20: Layer Normalization in the LLM Architecture 38:57
21 GELU Activation Function in the LLM Architecture 27:57
22 Shortcut connections in the LLM Architecture 32:46
23 Coding the entire LLM Transformer Block 45:06
24 Coding the 124 million parameter GPT-2 model 1:01:33
25 Coding GPT-2 to predict the next token 40:59
26 Measuring the LLM loss function 56:14
27 Evaluating LLM performance on real dataset | Hands on project | Book data 58:36
28 Coding the entire LLM Pre-training Loop 43:21
29 Temperature Scaling in Large Language Models (LLMs) 26:32
30 Top-k sampling in Large Language Models 23:34
31 Saving and loading LLM model weights using PyTorch 12:26
32 Loading pre-trained weights from OpenAI GPT-2 50:21
33 Introduction to LLM Finetuning | Python Coding with hands-on-example 27:24
34 Dataloaders in LLM Classification Finetuning | Python Coding | Hands on LLM project 31:03
35 Coding the model architecture for LLM classification fine-tuning 34:44
36 Coding a fine-tuned LLM spam classification model | From Scratch 49:39
37 Introduction to LLM Instruction Fine-tuning | Loading Dataset | Alpaca Prompt format 25:32
38 Data Batching in LLM instruction fine-tuning | Hands on project | Live Python coding 52:02
39 Dataloaders in Instruction Fine-tuning 24:25
40 Instruction fine-tuning: Loading pre-trained LLM weights 19:29
41 LLM fine-tuning training loop | Coded from scratch 23:47
42 Evaluating fine-tuned LLM using Ollama 52:58
43 Build LLMs from scratch 20 minutes summary 19:18

▶ يُشغَّل الآن

Lecture 1: Building LLMs from scratch: Series introduction

📘 نظرة عامة على الكورس

يتكوّن الكورس من 43 درسًا من تقديم Vizuara بإجمالي مدة 30 ساعة و57 دقيقة. أطول الدروس «The entire Data Preprocessing Pipeline of Large Language Models (LLMs)» بمدة ساعة و34 دقيقة، ومتوسط مدة الدرس 43 دقيقة. أول ما ستشاهده هو «Building LLMs from scratch - Series introduction»، وآخر محطة في الكورس «Build LLMs from scratch minutes summary». بمعدل نصف ساعة يوميًا يمكنك إتمام الكورس في 62 يومًا. المحتوى موجّه إلى المبتدئين في مجال الذكاء الاصطناعي وـ Machine Learning.

لماذا تتعلم Building LLMs from scratch؟

الذكاء الاصطناعي من أسرع المجالات نمواً في سوق العمل، مع زيادة الطلب على المتخصصين بنسبة 300% خلال السنوات الأخيرة.
مجاني بالكامل — ابدأ الآن دون أي رسوم
شهادة إتمام باسمك من أكاديمية مصر ٢٤ — أضفها لـ CV وLinkedIn
تعلّم في أي وقت — بالسرعة التي تناسبك
مجالات الذكاء الاصطناعي: رؤية الحاسب، معالجة اللغة الطبيعية، الروبوتيات، الألعاب، التنبؤ والتوصية.

مسار التعلم في هذا الكورس

يسير الكورس بترتيب متدرّج: Building LLMs from scratch - Series introduction ← The entire Data Preprocessing Pipeline of Large Language… ← Shortcut connections in the LLM Architecture ← Introduction to LLM Finetuning - Python Coding with… ← Build LLMs from scratch minutes summary.

المتطلبات السابقة

لا يحتاج الكورس خبرة سابقة في الذكاء الاصطناعي وـ Machine Learning؛ يبدأ معك من الأساسيات. كل ما تحتاجه: جهاز متصل بالإنترنت، ووقت ثابت للتطبيق بعد كل درس.

أول درس في الكورس: «Building LLMs from scratch - Series introduction».

الأدوات المستخدمة في الكورس

Python
PyTorch

أدوات أخرى شائعة في مجال الذكاء الاصطناعي وـ Machine Learning: TensorFlow، Scikit، Jupyter، Keras، Hugging Face.

ما تحتاجه لتطبيق الكورس

لابتوب برام 16 جيجا
كارت شاشة NVIDIA مفيد في تدريب النماذج، ويمكن الاستغناء عنه بـ Google Colab المجاني

الوظائف المرتبطة بهذا الكورس

مبرمج بايثون: تطوير البرامج والأتمتة وتحليل البيانات بلغة بايثون
محلل بيانات: تنظيف البيانات وتحليلها وعرضها في تقارير ولوحات تحكم
عالم بيانات: بناء نماذج التعلم الآلي واستخراج التوقعات من البيانات

متوسط رواتب مبرمج بايثون في 2026

مصر: 11,258 – 41,679 جنيه شهريًا
السعودية: 7,540 – 29,550 ريال شهريًا
الإمارات: 12,988 – 35,923 درهم شهريًا

وللمقارنة: محلل بيانات في مصر 10,564 – 44,689 جنيه، وعالم بيانات في مصر 12,829 – 81,126 جنيه.

أرقام شهرية تقريبية من بيانات Paylab، آخر مراجعة سبتمبر 2026. الراتب الفعلي يختلف حسب الخبرة والمدينة والشركة.

كم من الوقت تحتاج لإتقان Building LLMs from scratch؟

إجمالي مدة الدروس الفعلية: 30 ساعة و57 دقيقة. إذا خصصت 30 دقيقة يوميًا ستنهيه في 62 يومًا، وبساعة يوميًا في 31 يومًا. ومع التطبيق العملي وإعادة المشاهدة احسب ضعف المدة تقريبًا، فالإتقان يأتي من التطبيق وليس من المشاهدة وحدها.

شهادات مهنية يمكنك التقدم لها لاحقًا في مجال الذكاء الاصطناعي وـ Machine Learning

شهادات دولية مستقلة لا يمنحها هذا الكورس، لكنه خطوة نحوها.

Google Cloud Professional Machine Learning Engineer
Microsoft Certified: Azure AI Engineer Associate
AWS Certified Machine Learning Engineer – Associate

مشاريع شائعة في مجال الذكاء الاصطناعي وـ Machine Learning

Image Classifier
Chatbot
Recommendation System
Object Detection
Sentiment Analysis

ماذا بعد هذا الكورس؟

بعد ما تنهي الكورس وتطبّق ما تعلمته، كمّل رحلتك بواحد من هذه الكورسات:

الأقسام الجامعية ذات الصلة

كلية الحاسبات والمعلومات (قسم الذكاء الاصطناعي)
كليات الذكاء الاصطناعي
كلية الهندسة (قسم الحاسبات)

المدرّس / القناة

Vizuara

🎬

عدد الدروس

43 درس

⏱️

المدة الإجمالية

30 ساعة 57 دقيقة

📶

المستوى

مبتدئ

🌍

اللغة

English

🎓

الشهادة

شهادة إتمام باسمك

✅

المتطلبات

لا توجد متطلبات مسبقة

📂

التصنيف

الذكاء الاصطناعي وـ Machine Learning

🎯 ماذا ستتعلم في هذا الكورس

✓

Building LLMs from scratch - Series introduction

✓

Large Language Models (LLM) Basics

✓

Pretraining LLMs vs Finetuning LLMs

✓

What are transformers?

✓

How does GPT-3 really work?

✓

Stages of building an LLM from Scratch

✓

Code an LLM Tokenizer from Scratch in Python

✓

The GPT Tokenizer - Byte Pair Encoding

✓

+ 35 موضوعًا آخر داخل الكورس

💼 وظائف مرتبطة بهذا الكورس

💼

مبرمج بايثون

تطوير البرامج والأتمتة وتحليل البيانات بلغة بايثون

💰 مصر: 11–42 ألف ج.م · السعودية: 7.5–30 ألف ر.س

💼

محلل بيانات

تنظيف البيانات وتحليلها وعرضها في تقارير ولوحات تحكم

💰 مصر: 11–45 ألف ج.م · السعودية: 6–18 ألف ر.س

💼

عالم بيانات

بناء نماذج التعلم الآلي واستخراج التوقعات من البيانات

💰 مصر: 13–81 ألف ج.م · السعودية: 7–28 ألف ر.س

❓ أسئلة شائعة عن الكورس

كم عدد دروس كورس Building LLMs from scratch؟ +

يضم كورس Building LLMs from scratch 43 درسًا بإجمالي مدة 30 ساعة و57 دقيقة. تتراوح مدة الدرس بين 12 دقيقة وساعة و34 دقيقة.

من يقدم كورس Building LLMs from scratch؟ +

يقدمه Vizuara، وتعرض مصر 24 دروسه مرتبة في صفحة واحدة مع حفظ تقدمك درسًا بدرس.

هل الكورس مناسب للمبتدئين؟ +

نعم، الكورس موجّه للمبتدئين ولا يحتاج خبرة سابقة. ويبدأ بدرس «Building LLMs from scratch - Series introduction».

كم يستغرق إتمام الكورس؟ +

إجمالي مدة الدروس 30 ساعة و57 دقيقة. بمعدل 30 دقيقة يوميًا تنهيه في 62 يومًا، وبساعة يوميًا في 31 يومًا.

هل أحصل على شهادة بعد الكورس؟ +

نعم، تحصل على شهادة إتمام باسمك من أكاديمية مصر ٢٤، وتُفتح بعد مشاهدة نصف الدروس على الأقل.

هل الكورس مجاني؟ +

نعم، كل الدروس متاحة للمشاهدة دون أي رسوم أو اشتراك.

ما الذي أحتاجه لتطبيق الكورس؟ +

لابتوب برام 16 جيجا، وكارت شاشة NVIDIA مفيد في تدريب النماذج، ويمكن الاستغناء عنه بـ Google Colab المجاني.

ما الوظائف المرتبطة بهذا الكورس؟ +

من الوظائف المرتبطة: مبرمج بايثون (من 11,258 إلى 41,679 جنيه شهريًا في مصر)، ومحلل بيانات (من 10,564 إلى 44,689 جنيه شهريًا في مصر)، وعالم بيانات (من 12,829 إلى 81,126 جنيه شهريًا في مصر). الأرقام تقريبية من بيانات Paylab لعام 2026.

ما لغة الشرح في الكورس؟ +

الشرح باللغة الإنجليزية.

🏆أوائل أكاديمية مصر 24اتعلّم كل يوم ونافس على التاج 👑الترتيب ←

EG-24 ACADEMY

EG24

EG-24ACADEMY

— أكاديمية مصر 24 —

CERTIFICATE

OF COMPLETION

THISCERTIFICATE IS PROUDLY PRESENTED TO

اسمك هنا

FOR SUCCESSFULLY COMPLETING THE COURSE

كورس Building LLMs from scratch

ISSUED ON

02 أكتوبر 2026

Ahmed Hamdy

AHMED HAMDY

FOUNDER

VERIFY CERTIFICATE

CERTIFICATE ID

PREVIEW

رقم تحقق الشهادة

EG24

ACADEMY

LEARN GROW

🔒

شاهد 50% من الكورس واحصل على شهادة إتمام باسمك

✅ تتبع تقدمك في الكورس

🏆 شهادة مجانية عند الإتمام

📊 إحصائياتك محفوظة دائماً

🔖 استكمل من حيث توقفت

إنشاء حساب مجاني يأخذ ثوانٍ فقط

تحقق من شهادتك

⭐ تقييم الكورس

0.0

★ ★ ★ ★ ★

(0 تقييم)

📋 محتوى الكورس 43 درس · 30 ساعة 57 دقيقة

1 Lecture 1: Building LLMs from scratch: Series introduction 16:08
2 Lecture 2: Large Language Models (LLM) Basics 33:42
3 Lecture 3: Pretraining LLMs vs Finetuning LLMs 28:12
4 Lecture 4: What are transformers? 40:40
5 Lecture 5: How does GPT-3 really work? 48:05
6 Lecture 6: Stages of building an LLM from Scratch 20:15
7 Lecture 7: Code an LLM Tokenizer from Scratch in Python 1:09:44
8 Lecture 8: The GPT Tokenizer: Byte Pair Encoding 53:35
9 Lecture 9: Creating Input-Target data pairs using Python DataLoader 55:45
10 Lecture 10: What are token embeddings? 1:00:52
11 Lecture 11: The importance of Positional Embeddings 48:52
12 Lecture 12: The entire Data Preprocessing Pipeline of Large Language Models (LLMs) 1:34:15
13 Lecture 13: Introduction to the Attention Mechanism in Large Language Models (LLMs) 51:25
14 Lecture 14: Simplified Attention Mechanism - Coded from scratch in Python | No trainable weights 1:19:22
15 Lecture 15: Coding the self attention mechanism with key, query and value matrices 1:19:08
16 Lecture 16: Causal Self Attention Mechanism | Coded from scratch in Python 55:55
17 Lecture 17: Multi Head Attention Part 1 - Basics and Python code 32:19
18 Lecture 18: Multi Head Attention Part 2 - Entire mathematics explained 1:01:13
19 Lecture 19: Birds Eye View of the LLM Architecture 48:51
20 Lecture 20: Layer Normalization in the LLM Architecture 38:57
21 GELU Activation Function in the LLM Architecture 27:57
22 Shortcut connections in the LLM Architecture 32:46
23 Coding the entire LLM Transformer Block 45:06
24 Coding the 124 million parameter GPT-2 model 1:01:33
25 Coding GPT-2 to predict the next token 40:59
26 Measuring the LLM loss function 56:14
27 Evaluating LLM performance on real dataset | Hands on project | Book data 58:36
28 Coding the entire LLM Pre-training Loop 43:21
29 Temperature Scaling in Large Language Models (LLMs) 26:32
30 Top-k sampling in Large Language Models 23:34
31 Saving and loading LLM model weights using PyTorch 12:26
32 Loading pre-trained weights from OpenAI GPT-2 50:21
33 Introduction to LLM Finetuning | Python Coding with hands-on-example 27:24
34 Dataloaders in LLM Classification Finetuning | Python Coding | Hands on LLM project 31:03
35 Coding the model architecture for LLM classification fine-tuning 34:44
36 Coding a fine-tuned LLM spam classification model | From Scratch 49:39
37 Introduction to LLM Instruction Fine-tuning | Loading Dataset | Alpaca Prompt format 25:32
38 Data Batching in LLM instruction fine-tuning | Hands on project | Live Python coding 52:02
39 Dataloaders in Instruction Fine-tuning 24:25
40 Instruction fine-tuning: Loading pre-trained LLM weights 19:29
41 LLM fine-tuning training loop | Coded from scratch 23:47
42 Evaluating fine-tuned LLM using Ollama 52:58
43 Build LLMs from scratch 20 minutes summary 19:18

📘 نظرة عامة على الكورس

لماذا تتعلم Building LLMs from scratch؟

مسار التعلم في هذا الكورس

المتطلبات السابقة

الأدوات المستخدمة في الكورس

ما تحتاجه لتطبيق الكورس

الوظائف المرتبطة بهذا الكورس

متوسط رواتب مبرمج بايثون في 2026

كم من الوقت تحتاج لإتقان Building LLMs from scratch؟

شهادات مهنية يمكنك التقدم لها لاحقًا في مجال الذكاء الاصطناعي وـ Machine Learning

مشاريع شائعة في مجال الذكاء الاصطناعي وـ Machine Learning

ماذا بعد هذا الكورس؟

الأقسام الجامعية ذات الصلة

🎯 ماذا ستتعلم في هذا الكورس

💼 وظائف مرتبطة بهذا الكورس

❓ أسئلة شائعة عن الكورس

كورسات مشابهة في الذكاء الاصطناعي وـ Machine Learning

كورس Building Decision Trees from Scratch

كورس Reasoning LLMs from Scratch

كورس Machine Learning for Cyber Security

كورس Masterclass – Agentic AI for Security Professionals